Die Zulassung des ersten mRNA-Grippeimpfstoffs für Erwachsene ab 50 Jahren durch die FDA im August markierte einen Meilenstein: RNA-Therapeutika haben den Sprung vom Pandemie-Notfall in die Routineversorgung geschafft. Doch der Stanford-Biochemiker Rhiju Das sagt, dass der eigentliche Wandel erst beginnt. In einem ausführlichen Interview erläutert er, warum RNA zur dominierenden Medikamentenklasse werden könnte, wie künstliche Intelligenz ein Faltungsproblem gelöst hat, an dem Menschen jahrzehntelang scheiterten, und was nötig ist, um KI-designte Moleküle in zugelassene Medikamente zu verwandeln. [1] [4]
Warum RNA Proteine und niedermolekulare Wirkstoffe verdrängen könnte
Das beobachtet die RNA-Renaissance bereits seit 25 Jahren. Er argumentiert, dass RNA-Therapeutika „hochentwickelter und anpassungsfähiger“ seien als Medikamente auf Protein-, Zell- oder Basis niedermolekularer Wirkstoffe (Small Molecules), da ein einzelnes Molekül genetische Anweisungen tragen, seine eigene Aktivität regulieren und auf den zellulären Kontext reagieren kann. Diese Vielseitigkeit bedeutet, dass RNA letztlich mit ganzen Kategorien bestehender Medikamente konkurrieren oder diese ersetzen könnte. Der mRNA-Grippeimpfstoff und die COVID-19-Impfungen davor haben bewiesen, dass die Plattform in großem Maßstab funktioniert; der nächste Schritt besteht darin, die Möglichkeiten von RNA im Körper zu erweitern.
Der Engpass der Faltung und wie die KI ihn überwand
Die Stabilität war bisher das größte praktische Problem. Frühe RNA-Impfstoffe erforderten Tiefkühl-Lieferketten, da ungefaltete RNA schnell zerfällt. Das stellte die Hypothese auf, dass eng gefaltete RNA bei wärmeren Temperaturen lagerstabil wäre – eine Eigenschaft, die natürlich gefaltete RNAs bereits aufweisen. Sein Labor nutzte Crowdsourcing für das Designproblem über Eterna, eine Videospiel-Plattform, auf der Spieler in 15 Jahren fast 40 Peer-Review-Publikationen hervorgebracht haben. Menschen wurden gut darin, komplexe 3D-RNA-Formen zu entwerfen, doch dann traten KI-Teams an. Nach einigen Runden erreichten oder übertrafen die aggregierten KI-Entwürfe die menschliche Leistung – das erste Mal, dass eine computergestützte Methode erfahrene Menschen beim RNA-Design schlug. Alle vier KI-generierten Entwürfe ergaben unter dem Kryo-Elektronenmikroskop klare, atomar geordnete Strukturen, einschließlich Faltungen, die in der Natur noch nie beobachtet wurden.
Programmierbare Medikamente, die erkennen und rechnen
Diese neuartigen Faltungen sind mehr als nur strukturelle Kuriositäten. Laut Das bedeutet diese Komplexität, dass zukünftige RNA-Therapeutika „erkennen könnten, in welcher Art von Zelle sie sich befinden, molekulare Signale berechnen und sogar steuern könnten, wann eine Behandlung an- oder ausgeschaltet wird“. Mit anderen Worten: RNA wird zu einem molekularen Logikschaltkreis – ein Medikament, das sich nur in krankem Gewebe aktiviert, die Dosierung basierend auf Biomarker-Werten anpasst oder sich selbst begrenzt, um Nebenwirkungen zu reduzieren. Diese Programmierbarkeit unterscheidet RNA von statischen niedermolekularen Wirkstoffen oder Proteinen.
Der Fünf-Jahres-Plan und wie man mitmachen kann
Trotz des Durchbruchs schätzt Das, dass KI-designte RNA-Medikamente „noch mindestens fünf Jahre entfernt“ sind. Das Feld muss noch mehrere grundlegende Designprobleme lösen – Herausforderungen, die sein Team und die breitere Community derzeit auf Eterna angehen. Diese Lösungen werden zu den wegweisenden Machbarkeitsnachweisen (Proofs of Concept), die ein neues Ökosystem für das RNA-Design begründen. Entscheidend ist, dass für die Teilnahme kein Doktortitel erforderlich ist. Die Spieloberfläche von Eterna ermöglicht es jedem, Entwürfe beizusteuern, die im Labor experimentell validiert werden. Das nennt es eine seltene Gelegenheit, von Anfang an bei einer Technologie dabei zu sein, die vor einem massiven Einfluss steht.
Parallelspur: KI für bessere Grippeimpfstoffe
Während die RNA-Therapeutika reifen, gestaltet die KI bereits die saisonale Grippeimpfung selbst neu. Das VaxSeer-System des MIT kombiniert evolutionäre Modellierung mit Antigenitätsvorhersagen, um zu prognostizieren, welche Stämme dominieren werden. Retrospektive Tests zeigen, dass es die Stamm-Auswahl der WHO im letzten Jahrzehnt übertroffen hätte. In der Zwischenzeit haben Frameworks wie MAIVeSS die Zeit für die Stamm-Auswahl von Monaten auf Tage verkürzt, und ein KI-designter Impfstoff der Flinders University ging bereits 2019 in US-Studien. Diese Bemühungen ersetzen keine RNA-Plattformen; sie verbessern die Antigene, die diese Plattformen liefern.
Die Konvergenz ist eindeutig: Die KI lernt, den genetischen Code für Medikamente zu schreiben, die sich falten, funktionieren und Entscheidungen treffen. Der Grippeimpfstoff war der Machbarkeitsnachweis. Als Nächstes kommt die programmierbare RNA-Apotheke.